【VisualGLM-6B：开源多模态对话语言模型，支持图像、中文和英文。该模型基于ChatGLM-6B，具有78亿参数，通过BLIP2-Qformer将图像和语言模型相结合。模型使用CogView数据集的中英文图文对进行预训练，并在微调阶段使用长的视觉问答数据以生成符合人工偏好的答案。VisualGLM-6B使用SwissArmyTransformer工具库进行训练，并提供了与huggingface接口和sat接口对接的方式】'VisualGLM-6B - Chinese and English multimodal conversational language model | 多模态中英双语对话语言模型' THUDM GitHub: github.com/THUDM/VisualGLM-6B #开源# #机器学习#